{"id":529,"date":"2018-10-20T02:12:15","date_gmt":"2018-10-20T08:12:15","guid":{"rendered":"http:\/\/www.jacobsoft.com.mx\/?p=529"},"modified":"2025-02-20T13:37:50","modified_gmt":"2025-02-20T19:37:50","slug":"clustering-analysis","status":"publish","type":"post","link":"https:\/\/www.jacobsoft.com.mx\/es_mx\/clustering-analysis\/","title":{"rendered":"Clustering Analysis"},"content":{"rendered":"\n

Clustering Analysis<\/h2>\n\n\n\n

El an\u00e1lisis clustering o de conglomerados es una t\u00e9cnica de clasificaci\u00f3n y segmentaci\u00f3n que pertenece a la categor\u00eda de aprendizaje no supervisado<\/strong>.<\/p>\n\n\n\n

Identifica grupos de sujetos lo m\u00e1s heterog\u00e9neos posible entre s\u00ed y lo m\u00e1s homog\u00e9neo posible dentro de cada grupo.<\/p>\n\n\n\n

El an\u00e1lisis establece los grupos bas\u00e1ndose en la similitud que presentan las entidades respecto a una serie de caracter\u00edsticas que se especificaron previamente. Por lo que es el an\u00e1lisis y no el analista quien extrae los grupos de sujetos y sus caracter\u00edsticas definitorias.<\/p>\n\n\n\n

El clustering<\/strong> es un algoritmo de agrupamiento cuyo objetivo es realizar agrupaciones de datos de acuerdo a un criterio, que por lo general este criterio es la distancia o similitud.<\/p>\n\n\n\n

Esta similitud se define en t\u00e9rminos de una funci\u00f3n de distancia, como la distancia euclidiana. Aunque existen otras funciones de distancia m\u00e1s robustas o que permiten incluir variables discretas, la euclidiana es una de las m\u00e1s aceptadas. Adicionalmente, la medida m\u00e1s empleada para validar la similitud entre los casos es la matriz de correlaci\u00f3n entre los nxn casos.<\/p>\n\n\n\n

Su finalidad es revelar concentraciones en los datos o casos para su agrupamiento eficiente en clusters o conglomerados seg\u00fan su homogeneidad y se pueden utilizar tanto variables cualitativas como variables cuantitativas, dado que los grupos se basan en la proximidad o lejan\u00eda de unos con otros.<\/p>\n\n\n\n

En este sentido, los grupos no se conocen de antemano, pero quiz\u00e1s se sugieren por la esencia de los datos. En otros an\u00e1lisis, como el caso del an\u00e1lisis discriminante, los grupos se definen previamente (ad hoc), en el clustering no se especifican previamente (post hoc).<\/p>\n\n\n\n

\"\"<\/figure><\/div>\n\n\n\n

Casos y Variables<\/h3>\n\n\n\n

Si las variables de aglomeraci\u00f3n est\u00e1n en escalas distintas, ser\u00e1 necesario estandarizar o trabajar con desviaciones respecto a la media. Para el caso de los valores desaparecidos o faltantes, se sugiere eliminar los casos dado que los m\u00e9todos jer\u00e1rquicos no tienen soluci\u00f3n con valores perdidos.<\/p>\n\n\n\n

En cuanto a los valores at\u00edpicos, estos deforman las distancias y producen clusters unitarios. Por lo que deben ser eliminados de la muestra.<\/p>\n\n\n\n

Si existen variables correlacionadas ser\u00e1 necesario un an\u00e1lisis de multicolinealidad previo o un an\u00e1lisis factorial.<\/p>\n\n\n\n

Por otro lado, la soluci\u00f3n del an\u00e1lisis de cluster no tiene por que ser \u00fanica, sin embargo, no deben existir soluciones contradictorias al usar distintos m\u00e9todos de agrupamiento.<\/p>\n\n\n\n

Adicionalmente, el n\u00famero de observaciones en cada cluster debe ser relevante y estos deben tener sentido conceptual y no variar mucho al variar la muestra o el m\u00e9todo de aglomeraci\u00f3n.<\/p>\n\n\n\n

Los grupos finales ser\u00e1n tan distintos como permitan los datos y con ellos se podr\u00e1n realizar otros an\u00e1lisis ya sea descriptivos, discriminante, regresi\u00f3n logistica, diferencia u otros.<\/p>\n\n\n\n

M\u00e9todos de clustering<\/h3>\n\n\n\n

En cuanto a los m\u00e9todos de agrupamiento, existen dos categor\u00edas generales:<\/p>\n\n\n\n